近日，我院在超聲超分辨率成像研究中取得新進(jìn)展，學(xué)院圖像處理與并行計(jì)算實(shí)驗(yàn)室2022級碩士生張玉婷作為第一作者的論文“Efficient Microbubble Trajectory Tracking in Ultrasound Localization Microscopy Using a Gated Recurrent Unit-Based Multitasking Temporal Neural Network”在《IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control》期刊上發(fā)表，我院彭博教授、清華大學(xué)羅建文教授（教育部長江學(xué)者特聘教授）為共同通訊作者，我院周文俊博士、2020級碩士生邵永杰（已畢業(yè)）、四川省人民醫(yī)院羅安果副主任醫(yī)師和清華大學(xué)黃俐杰博士也參與了該項(xiàng)課題的研究。IEEE T-UFFC是IEEE UFFC協(xié)會的旗艦期刊，也是超聲成像領(lǐng)域的權(quán)威期刊，目前為中科院二區(qū)期刊，2024年最新影響因子為3.63。這是該團(tuán)隊(duì)繼2023年后再次在該刊發(fā)表論文，論文經(jīng)過兩次大修和一次小修，最終長度達(dá)21頁。論文鏈接：https://ieeexplore.ieee.org/document/10589426。代碼鏈接：https://github.com/zyt-Lib/GRU-MT。
論文提出了一種基于門控循環(huán)單元的多任務(wù)時序神經(jīng)網(wǎng)絡(luò)（GRU-MT），有效避免了傳統(tǒng)追蹤方法中兩階段處理的復(fù)雜性，更高效地實(shí)現(xiàn)了微泡軌跡追蹤任務(wù)。此外，基于血管血流的運(yùn)動學(xué)特征，設(shè)計(jì)了一種非線性變速運(yùn)動模型，更真實(shí)地模擬了微泡的運(yùn)動。作者系統(tǒng)性地評估了時序神經(jīng)網(wǎng)絡(luò)在微泡追蹤任務(wù)中的性能，仿真和在體實(shí)驗(yàn)結(jié)果均證明了GRU-MT模型在微泡追蹤任務(wù)中的可行性和有效性，尤其在曲率較大的非線性場景下。此外，該模型還需要更少的預(yù)設(shè)超參數(shù)，具有更強(qiáng)的魯棒性。本文的方法具有減少微泡信號采集時間的潛力，并能有效解決超聲定位顯微成像（ULM）應(yīng)用中各種速度尺度的追蹤挑戰(zhàn)。
